是什么让t-sne成为监督学习？

维基百科将t-sne算法归类为监督方法。据我所知，监督方法涉及训练，具有输入和期望的结果。

我在想，t-sne的目标是 minimization Kullback–Leibler散度。最小化这个散度是否可以算作“期望的结果”，从而使其成为监督学习？

回答：

维基百科并未将t-sne归类为监督学习，而是将其归为降维技术（在我写答案的时刻）。而且，据我所知，它根本不是一种监督方法。

它的目的是为了便于数据可视化，降低维度，也可以作为一种聚类技术（无监督分类）。